Poursuite de cibles manoeuvrantes par vision active

Abstract

Ce travail contribue à la résolution du problème d'estimation de mouvement, et de poursuite de cibles manoeuvrantes, en utilisant des informations issues de capteurs visuels. Pour modéliser les manœuvres des cibles, nous avons considéré des systèmes avec des sauts Markoviens. La première approche étudiée, consiste à utiliser la mesure pour estimer les paramètres inconnus de manoeuvre, et corriger les états estimés en utilisant ces paramètres. Pour ce faire, nous avons opté pour la technique du test d'hypothèses, qui grâce au GLR, nous estimons, l'instant d'apparition du saut, son amplitude, et enfin nous procédons à la correction des estimées en tenant compte du dit saut. La seconde approche étudiée et qui a suscité un intérêt particulier de notre part, consiste à utiliser une banque parallèle d'estimateurs, chacun accordé à une condition de fonctionnement différente, et puis de combiner les sorties dans une estimation moyenne pondérée, basée sur l'exécution apparente de chaque filtre élémentaire. L'algorithme IMM, est connu pour être le plus efficace, notamment lorsque les modèles d'états et/ou de mesures (considérés linéaires) changent dans temps. Cependant, lorsque ces modèles sont non-linéaires, l'algorithme IMM doit être modifié pour garantir une bonne poursuite. La première version que nous avons mis en œuvre, et que nous avons noté IMM-EKF, est à base de l'EKF, elle donne des résultats appréciables lors de faibles non-linéarités (manœuvres douces), par contre le filtre diverge complètement lorsque nous avons affaire à de fortes non-linéarités (fortes manœuvres). Ce problème nous l'avons résolu en proposons une autre variante de l'IMM à base de l'UKF et que nous avons noté IMM-UKF; en effet, les résultats obtenus sont très satisfaisants malgré un caractère fortement manœuvrant de la cible traquée.